[R语言]读取文件夹下所有子文件夹中的excel文件,并根据分类合并。

来源:互联网 时间:2016-01-31

解决的问题:需要读取某个大文件夹下所有子文件夹中的excel文件,并汇总,汇总文件中需要包含的2部分的信息:1.该条数据来源于哪个子文件夹;2.该条数据来源于哪个excel文件。最终,按照子文件夹单独保存汇总文件,或者只保存成一个汇总文件。

场景描述:抓取了各个APP的使用数据,分散地保存在各个文件夹中。文件格式如下:

  • 第一级分类:文件夹名

  • 第二级分类:文件夹下xlsx文件名

  • 第三级分类:每个xlsx文件中每行(具体的每条数据),但其中并没有该APP属于的二级分类和一级分类,需要为每条数据添加二级分类和一级分类,并最终汇总到一个文件中。

解决方法一:

#作用:读取每个文件夹下的excel,并将其合并成一个文件。

#共有3级:第一级:文件夹名,第二级:文件夹中的xlsx文件名,第三级:xlsx文件中的每行#代码后面注释中若有:【修改】字样,则表示如果要在你机器上运行该段代码时,需要进行相应的修改。

##########方法一:最终单独保存在每个文件夹下

rm(list=ls())

setwd("E:/cnblogs") #设定工作目录【修改】

library(xlsx)

first_category_name = list.files("APP整理") #list.files命令得到"APP整理”文件夹下所有文件夹的名称【修改】

dir = paste("./APP整理/",first_category_name,sep="") #用paste命令构建路径变量dir,第一级目录的详细路径【修改】

n = length(dir) #读取dir长度,也就是:总共有多少个一级目录

n_sub<-rep(0,n)

n_sub<-as.data.frame(n_sub)

n_sub<-t(n_sub)

head(n_sub) #n_sub是每个一级目录(文件夹)下有多少个文件,也就是:有多少个二级目录,初始化为0,用于后面的操作

##########

for(i in 1:n){ #对于每个一级目录(文件夹)

b=list.files(dir[i]) #b是列出每个一级目录(文件夹)中每个xlsx文件的名称

n_sub[i]=length(b) #得到一级目录(文件夹)下xlsx的文件个数:n_sub

merge_1<-read.xlsx("E:/cnblogs/APP整理/xlsx文件样例.xlsx",sheetIndex=1,encoding='UTF-8')#

dim(merge_1)

names(merge_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件列名,根据你具体情况修改【修改】

merge_1$second_category<-'second_category'

merge_1$first_category<-'first_category'

merge_1<-merge_1[1,-1] #这一段的目的是读取一个xlsx文件样例,得到一个初始的dataframe(不含数据),免除了后面重新建立datafram的麻烦,用于后面文件的rbind拼接

for(j in 1:n_sub[i]){ #对于每个一级目录(文件夹)下的每个xlsx文件

new_1<-read.xlsx(file=paste(dir[i],'/',b[j],sep=''),sheetIndex=1,encoding='UTF-8') #读取xlsx文件

names(new_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')【修改】

new_1<-new_1[-1,-1] #因为实际数据需要,删除第一行和第一列(根据实际读取xlsx文件的情况进行修改)

new_1$second_category<-substr(b[j],1,4) #二级目录的名称是xlsx的文件名。

new_1$first_category<-first_category_name[i] #一级目录的名称是“文件夹名”

merge_1<-rbind(merge_1,new_1)

}

write.xlsx(merge_1,paste(dir[i],'/merge.xlsx',sep=''),row.names = F,col.names= F)#单独保存在每个文件夹下

}

解决方法二:

##########方法二:最终得到一个汇总的xlsx文件,在每个文件夹下并没有保存单独的合并文件

rm(list=ls())

setwd("E:cnblogs") #设定工作目录【修改】

library(xlsx)

first_category_name = list.files("APP整理") #list.files命令得到"APP整理"文件夹下所有文件夹的名称

dir = paste("./APP整理/",first_category_name,sep="") #用paste命令构建路径变量dir,第一级目录的详细路径

n = length(dir) #读取dir长度,也就是:总共有多少个一级目录

n_sub<-rep(0,n)

n_sub<-as.data.frame(n_sub)

n_sub<-t(n_sub)

head(n_sub) #n_sub是每个一级目录(文件夹)下有多少个文件,也就是:有多少个二级目录,初始化为0,用于后面的操作

merge_1<-read.xlsx("E:/cnblogs/APP整理/xlsx文件样例.xlsx",sheetIndex=1,encoding='UTF-8')

dim(merge_1)

names(merge_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件的列名【修改】

merge_1$second_category<-'second_category'

merge_1$first_category<-'first_category'

merge_1<-merge_1[1,-1] #这一段的目的是读取一个xlsx文件样例,得到一个初始的dataframe(不含数据),免除了后面重新建立一个dataframe的麻烦,用于后面文件的rbind拼接

for(i in 1:n){ #对于每个一级目录(文件夹)

b=list.files(dir[i]) #b是列出每个一级目录(文件夹)中每个xlsx文件的名称

n_sub[i]=length(b) #得到一级目录(文件夹)下xlsx的文件个数:n_sub

for(j in 1:n_sub[i]){ #对于每个一级目录(文件夹)下的每个xlsx文件

new_1<-read.xlsx(file=paste(dir[i],'/',b[j],sep=''),sheetIndex=1,encoding='UTF-8') #读取xlsx文件

names(new_1)<-c('序号','APP','2016-01-11','2016-01-12','2016-01-13','2016-01-14','2016-01-15','2016-01-16','2016-01-17')#我的文件的文件名【修改】

new_1<-new_1[-1,-1] #因为实际数据需要,删除第一行和第一列(根据实际读取xlsx文件的情况进行修改)

new_1$second_category<-substr(b[j],1,4) #二级目录的名称是xlsx的文件名。

new_1$first_category<-first_category_name[i] #一级目录的名称是“文件夹名”

merge_1<-rbind(merge_1,new_1)

}

# write.xlsx(merge_1,paste(dir[i],'/merge.xlsx',sep=''),row.names = F,col.names= F)

}

write.xlsx(merge_1,paste("./APP整理",'/merge.xlsx',sep='')

,row.names = F,col.names= F)#得到一个汇总文件,并没有在每个文件夹下保存单独的汇总文件

 

相关阅读:
Top